1(苏州大学计算机科学与技术学院 江苏苏州 215006);2(苏州大学轨道交通学院 江苏苏州 215131);3(中国科学技术大学苏州研究院 江苏苏州 215123);4(安徽师范大学计算机与信息学院 安徽芜湖 241002);5(网络与信息安全安徽省重点实验室(安徽师范大学) 安徽芜湖 241002) (ttao@stu.suda.edu.cn)
出版日期: 2020-07-01基金资助:国家自然科学基金面上项目(61672369,61873177,61572342)；网络与信息安全安徽省重点实验室开放课题(AHNIS2019003)；江苏高校优势学科建设工程资助项目A Method of Map Outlines Generation Based on Smartphone Sensor Data
Tao Tao1, Sun Yu’e2,5, Chen Dongmei1, Yang Wenjian1, Huang He1,3, Luo Yonglong4,51(School of Computer Science and Technology, Soochow University, Suzhou, Jiangsu 215006);2(School of Rail Transportation, Soochow University, Suzhou, Jiangsu 215131);3(Suzhou Institute for Advanced Study, University of Science and Technology of China, Suzhou, Jiangsu 215123);4(School of Computer and Information, Anhui Normal University, Wuhu, Anhui 241002);5(Anhui Provincial Key Laboratory of Network and Information Security (Anhui Normal University), Wuhu, Anhui 241002)
Online: 2020-07-01Supported by:This work was supported by the General Program of the National Natural Science Foundation of China (61672369, 61873177, 61572342), the Open Project of Anhui Provincial Key Laboratory of Network and Information Security (AHNIS2019003), and the Priority Academic Program Development of Jiangsu Higher Education Institutions.摘要/Abstract
摘要： 近年来，随着社会经济的不断发展，许多商业服务以及旅游出行活动对环境地图的依赖越来越大.传统的地图生成方法主要基于车辆驱动型的GPS设备进行数据的采集和路网的构建.然而该类方法存在精度低、时效性差等缺点，并且该类方法对于一些采集设备难以到达或者GPS信号弱的地带无法进行地图的构建.为了解决上述问题，提出了通过挖掘广泛普及的智能手机内部传感器数据进行地图构建的思想，并基于该思想提出了一种数据融合算法.该算法基于智能手机采集的行人步行数据，利用机器学习分类算法与信号处理技术进行行进状态的识别，采用分段机制结合动态时间规整算法进行转向情况的处理，通过融合有效状态下行进的距离数据和方向数据，最终生成局部地图轮廓.将所提算法在真实路网采集的数据上进行实验，实验结果证明了所提方法对局部地图轮廓构建的有效性以及深入挖掘传感器数据的可行性.
参考文献
相关文章 15
| [1] | 吴宗友, 白昆龙, 杨林蕊, 王仪琦, 田英杰. 电子病历文本挖掘研究综述[J]. 计算机研究与发展, 2021, 58(3): 513-527. |
| [2] | 陈晋音, 陈奕芃, 陈一鸣, 郑海斌, 纪守领, 时杰, 程瑶. 面向深度学习的公平性研究综述[J]. 计算机研究与发展, 2021, 58(2): 264-280. |
| [3] | 于畅, 王雅文, 林欢, 宫云战. 基于故障检测上下文的等价变异体识别算法[J]. 计算机研究与发展, 2021, 58(1): 83-97. |
| [4] | 李双峰. TensorFlow Lite：端侧机器学习框架[J]. 计算机研究与发展, 2020, 57(9): 1839-1853. |
| [5] | 陈珂锐, 孟小峰. 机器学习的可解释性[J]. 计算机研究与发展, 2020, 57(9): 1971-1986. |
| [6] | 丁成诚, 陶蔚, 陶卿. 一种三参数统一化动量方法及其最优收敛速率[J]. 计算机研究与发展, 2020, 57(8): 1571-1580. |
| [7] | 贺一笑, 庞明, 姜远. 蒙德里安深度森林[J]. 计算机研究与发展, 2020, 57(8): 1594-1604. |
| [8] | 李冬梅, 张扬, 李东远, 林丹琼. 实体关系抽取方法研究综述[J]. 计算机研究与发展, 2020, 57(7): 1424-1448. |
| [9] | 蓝天, 彭川, 李森, 叶文政, 李萌, 惠国强, 吕忆蓝, 钱宇欣, 刘峤. 单声道语音降噪与去混响研究综述[J]. 计算机研究与发展, 2020, 57(5): 928-953. |
| [10] | 刘辰屹, 徐明伟, 耿男, 张翔. 基于机器学习的智能路由算法综述[J]. 计算机研究与发展, 2020, 57(4): 671-687. |
| [11] | 周文, 张世琨, 丁勇, 陈曦. 面向低维工控网数据集的对抗样本攻击分析[J]. 计算机研究与发展, 2020, 57(4): 736-745. |
| [12] | 王艳, 李念爽, 王希龄, 钟凤艳. 编码技术改进大规模分布式机器学习性能综述[J]. 计算机研究与发展, 2020, 57(3): 542-561. |
| [13] | 刘俊旭, 孟小峰. 机器学习的隐私保护研究综述[J]. 计算机研究与发展, 2020, 57(2): 346-362. |
| [14] | 陈叶旺, 申莲莲, 钟才明, 王田, 陈谊, 杜吉祥. 密度峰值聚类算法综述[J]. 计算机研究与发展, 2020, 57(2): 378-394. |
| [15] | 程光, 钱德鑫, 郭建伟, 史海滨, 吴桦, 赵玉宇. 基于散度的网络流概念漂移分类方法[J]. 计算机研究与发展, 2020, 57(12): 2673-2682. |
PDF全文下载地址:
https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4220
